- •Раздел 1. Случайные события.
- •Раздел 2. Случайные величины
- •Раздел 3. Системы случайных величин (случайные векторы).
- •4.7. Законы распределения функции случайных векторов 65
- •Раздел 1. Случайные события
- •1.1 Основные пояснения к терминам и понятиям.
- •1.2 Алгебра событий
- •1.3 Выборочное пространство. Вероятность события.
- •1.4 Простейшие способы определения вероятностей
- •1.6 Правило сложения вероятностей
- •1.7 Условная вероятность события. Правило умножения вероятностей.
- •1.8 Формула полной вероятности
- •1.9 Априорные и апостериорные вероятности гипотез.
- •Раздел 2. Случайные величины
- •2.1 Аксиоматическое определение вероятности
- •2.2 Определение случайной величины и ее описание
- •2.3 Статистические ( числовые) характеристики случайных величин
- •Основные числовые характеристики случайной величины
- •2.4. Гауссовские случайные величины и их характеристики
- •Значения вероятности для гауссовского распределения при различных
- •2.5. Другие типы случайных величин
- •Виды функций плотности распределения вероятностей и соответствующие им характеристики
- •Раздел 3. Совокупность случайных величин (случайные векторы).
- •3.1. Определение случайного вектора и его описание.
- •3.2. Статистические характеристики случайных векторов
- •Основные определения и соотношения для двухмерного случайного вектора
- •3.4. Гауссовские случайные векторы и их характеристики.
- •Среднеквадратический эллипс ошибок, круговая вероятная ошибка
- •Раздел 4. Преобразование случайных величин.
- •4.3 Числовые характеристики от функций случайных величин.
- •4.4 Законы распределения функций случайных величин
- •4.5 Получение случайной величины с заданным распределением путем функционального преобразования.
- •4.6 Законы распределения функции двух случайных аргументов
- •. (4.73)
- •4.7 Законы распределения функции случайных векторов
- •4.8. Линейные преобразования случайных векторов
- •4.9. Определение статистических свойств длины проекции случайного двухмерного вектора на заданное направление
- •4.10. Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
- •Раздел 5. Элементы математической статистики
- •5.1 Первичная статистическая совокупность. Статистическая функция распределения.
- •5.2 Статистический ряд. Гистограмма
- •5.3 Числовые характеристики статистического распределения
- •5.4 Доверительный интервал. Доверительная вероятность.
- •5.6 Критерий согласия.
- •5.7 Критерий согласия Колмогорова
- •5.8 Статистическая проверка гипотез
Раздел 4. Преобразование случайных величин.
Преобразование случайных величин. Основные задачи преобразования.
Предположим, что с помощью некоторой в общем случае нелинейной функции в результате преобразования случайной величиныс известной плотностью.сформирована новая случайная величина
. (4.1)
Три задачи:
- зная закон распределения совокупности случайных величин определить закон распределения функции случайных величин;
- зная закон распределения совокупности случайных величин определить числовые характеристики функции случайных величин;
- зная числовые характеристики совокупности случайных величин определить числовые характеристики функции случайных величин;
В этом случае для расчета вероятности можно воспользоваться неравенством Чебышова, суть которого заключается в следующем:
Для случайной величины с математическим ожиданиеми дисперсией, при любом, можно записать следующее выражение:
. (4.2)
Расчет числовых характеристик для случайной функции одного случайного аргумента.
Пусть .
Дискретное распределение
Математическое ожидание:
. (4.3)
Дисперсия:
. (4.4)
Аналогично определяются начальные и центральные моменты высших порядков.
Непрерывное распределение
, (4.5)
. (4.6)
Аналогично определяются начальные и центральные моменты высших порядков.
Из этих соотношений следует, что для нахождения моментов преобразованной случайной величины необходимо знать плотность для исходной случайной величины. и вычислить соответствующие интегралы. Задача упрощается, если функция, с помощью которой осуществляется преобразование, является линейной. В этом случае достаточно знать только соответствующие моменты для исходной cлучайной величины.
Пример. Пусть , гдеи- известные детерминированные величины, а – случайная величина. с математическим ожиданиеми дисперсией. Найдем математическое ожидание и дисперсию для. Используя приведенные выражения, нетрудно записать:
;
4.3 Числовые характеристики от функций случайных величин.
Как и в скалярном случае, располагая случайным вектором с известной совместной плотностью распределения., можно с помощью некоторой в общем случае нелинейной функциисформировать новый случайный вектор.. Математическое ожидание и матрица ковариаций для нового векторамогут быть найдены с помощью следующих соотношений:
; (4.7)
. (4.8)
Пусть
. (4.9)
Математическое ожидание суммы случайных величин
(4.10)
Другое доказательство выражения
.
Действительно,
т.е. математическое ожидание суммы случайных величин равно сумме математических ожиданий случайных величин.
Дисперсия линейной комбинации случайных величин
(4.11)
Частный случай: дисперсия суммы случайных величин
, где ,.
.
т.е дисперсия суммы случайных величин равна сумме всех элементов ковариационной матрицы.
Если и-некоррелированы ( и, как следствие ,) имеем
Пример.. Пусть для двух случайных величин изаданы математические ожидания,, дисперсии,и коэффициент корреляции. Требуется найти математическое ожидание и дисперсию случайной величины, формируемой как, гдеи- известные коэффициенты.
С использованием (4.9), (4.11) можем записать:
;
.
Математическое ожидание произведения случайных величин
, где -скаляры
, где -векторы.
Если случайные величины не коррелированны, то
,
.
Математическое ожидание и дисперсия среднего арифметического независимых наблюдений
, (4.12)
где - случайная величина с математическим ожиданиеми дисперсией
Имеем
.
, (4.13)
Как следствие, . (4.14)
Числовые характеристики минимальной из двух величин: случайной и не случайной
Имеется непрерывная случайная величина с плотностью.
Найти параметры для функции
. (4.15)
Можем записать
. (4.16)
Тогда
, (4.17)
где -функция распределения случайной величины.
Найдем второй начальный момент
.
Откуда
. (4.18)
Числовые характеристики максимальной из двух величин: случайной и неслучайной
. (4.19)
Можем записать
. (4.20)
, (4.21)
; (4.22)
. (4.23)
Числовые характеристики функции
(4.24)
Решение.
, (4.25)
, (4.26)
. (4.27)
Числовые характеристики минимальной из двух случайных величин
, (4.28)
где-независимые случайные величины с плотностямии.
Решение. Рассмотрим гипотезу, что случайная величина попала в в элементарный интервал.Вероятность этой гипотезы есть элемент вероятности.
Условное математическое ожидание величины при этой гипотезе будет равно
. (4.29)
Тогда по интегральной формуле математического ожидания получим
(4.30)
Найдем второй начальный момент
. (4.31)
Тогда .
Еслираспределены одинаково, т.е. с плотностью,
имеем
Числовые характеристики максимальной из двух случайных величин
, (4.32)
где-независимые случайные величины с плотностямии.
Решение.
(4.33)
(4.34)
Еслираспределены одинаково, т.е.с плотностью,
имеем
Числовые характеристики модулей функций случайных величин
Числовая величина , (4.35)
где - непрерывная случайная величина с плотностью,-неслучайная величина.
Решение. Функцияможет быть определена как
Как следствие,
(4.36)
, (4.37)
.
2. , (4.38)
где-независимые случайные величины с плотностямии.
Решение. Рассмотрим гипотезу. Вероятность этой гипотезы-элемент вероятности.
Условное математическое ожидание с учетом соотношений, полученных выше, будет равно
.
По формуле полного математического ожидания получим
(4.39)
Из симметрии относительно величин иследует, что
Тогда
. (4.40)
Второй начальный момент можно найти непосредственно
Так как
Имеем
(4.41)
.
Числовые характеристики функций нормально распределенных случайных величин.
1. . (4.42)
Решение. Обозначим и найдем характеристики для.
.
.
Но случайная величина распределена по нормальному закону и, следовательно,
.
Откуда
.
Как следствие,
, (4.43)
. (4.44)
Частный случай: если , то распределение случайной величиныназывается( « хи квадрат» )-распределением, при этом
; .
2. . (4.45)
Тогда
, (4.46)
. (4.47)